一. 知識圖譜和金融領(lǐng)域簡述什么是知識圖譜？ 借鑒其中一個理解：
具體理論知識就不在此贅述，對于這個抽象的概念會有一篇文章來列舉一個代表性的例子。 知識圖譜起源于語義網(wǎng)絡(luò)，最初由Google提出用與優(yōu)化搜索結(jié)果，發(fā)展至今已經(jīng)應(yīng)用于各個垂直化領(lǐng)域。從商業(yè)概念上，知識圖譜可分為“通用知識圖譜”和“行業(yè)知識圖譜”。通用知識圖譜顧名思義是面向全領(lǐng)域的，強調(diào)的是“廣度”，比較著名的知識庫有Freebase, Wikidata, Yago, DBPedia等。 行業(yè)知識圖譜是面向特定的垂直領(lǐng)域，對于數(shù)據(jù)有更嚴格的前置數(shù)據(jù)模式和更準(zhǔn)確的準(zhǔn)確度要求，強調(diào)的是“深度”。兩者之間的主要區(qū)別在于前者是“自底向上”構(gòu)建的知識庫，后者是“自頂向下”構(gòu)建的知識庫。
金融領(lǐng)域數(shù)據(jù)是典型的具有”4V”特征的大數(shù)據(jù)（數(shù)量海量Volume、多結(jié)構(gòu)多維度Variety、價值巨大Value、及時性要求Velocity）。進一步，金融領(lǐng)域是最能把數(shù)據(jù)變現(xiàn)的行業(yè)。金融業(yè)類別業(yè)非常廣，大類主要包括：銀行類、投資類、保險類等。再小粒度可分為：貨幣、債券、基金、信托等資管計劃、要素市場、征信貸款等。知識圖譜在金融領(lǐng)域的應(yīng)用主要包括：風(fēng)控、征信、審計、反欺詐、數(shù)據(jù)分析、自動化報告等，本文主要討論知識圖譜在小微風(fēng)控的應(yīng)用。 風(fēng)控是指如何當(dāng)項目或企業(yè)在一定的風(fēng)險的環(huán)境里，把風(fēng)險減至最低的管理過程。它的基本程序包括風(fēng)險識別、風(fēng)險估測、風(fēng)險評價、風(fēng)險控制和風(fēng)險管理效果評價等環(huán)節(jié)。 風(fēng)險控制的最大兩個分類為企業(yè)風(fēng)險監(jiān)控和個人貸款審核。企業(yè)數(shù)據(jù)包括：企業(yè)基礎(chǔ)數(shù)據(jù)、投資關(guān)系、任職關(guān)系、企業(yè)專利數(shù)據(jù)、企業(yè)招投標(biāo)數(shù)據(jù)、企業(yè)招聘數(shù)據(jù)、企業(yè)訴訟數(shù)據(jù)、企業(yè)失信數(shù)據(jù)、企業(yè)新聞數(shù)據(jù)。個人貸款的數(shù)據(jù)包括：個人的基本信息、行為信息、信用信息、社交信息、消費信息等。 本文將主要討論知識圖譜在風(fēng)控領(lǐng)域的圖譜構(gòu)建過程。 二. 風(fēng)控的知識圖譜構(gòu)建知識圖譜的邏輯結(jié)構(gòu)分為兩個層次：數(shù)據(jù)層和模式層。 在知識圖譜的數(shù)據(jù)層，數(shù)據(jù)如果以『實體-關(guān)系-實體』或者『實體-屬性-值』作為基本表達方式，我們把這種表達方式稱為“三元組”，則存儲在圖數(shù)據(jù)庫中的所有數(shù)據(jù)將構(gòu)成龐大的實體關(guān)系網(wǎng)絡(luò)，形成知識的圖譜。 模式層在數(shù)據(jù)層之上，是知識圖譜的核心，在模式層存儲的是經(jīng)過提煉的知識，通常采用本體庫來管理知識圖譜的模式層，借助本體庫對公理、規(guī)則和約束條件的支持能力來規(guī)范實體、關(guān)系以及實體的類型和屬性等對象之間的聯(lián)系。本體庫在知識圖譜中的地位相當(dāng)于知識庫的模具，擁有本體庫的知識庫冗余知識較少。 這里涉及知識圖譜的另外一個重要概念是“本體( Ontology)”。本體的概念最早起源于哲學(xué)領(lǐng)域， 指的是對客觀存在系統(tǒng)的解釋和說明。在眾多概念中，維基上的定義更加通俗些：本體實際上就是對特定領(lǐng)域之中某套概念及其相互之間關(guān)系的形式化表達。具體到金融風(fēng)控領(lǐng)域，本體目的就是對風(fēng)控領(lǐng)域的知識術(shù)語進行分類，同時規(guī)定各個分類之間的關(guān)系和它們自身的屬性。 本體可以采用人工編輯的方式手動構(gòu)建（借助本體編輯軟件），也可以以數(shù)據(jù)驅(qū)動的自動化方式構(gòu)建本體。自動化構(gòu)建包含3個階段：實體并列關(guān)系相似度計算、實體上下位關(guān)系抽取、本體的生成。在領(lǐng)域本體構(gòu)建的實際工程中，領(lǐng)域本體所涉及的實體類型非常有限（最多數(shù)量也不會過百），與其花很高的成本去做自動化，不如人工構(gòu)建本體。所以本章節(jié)也主要討論風(fēng)控領(lǐng)域的手動本體構(gòu)建過程。 本體和知識圖譜的構(gòu)建方法有很多，這里分享一個在實際工作中初略的知識圖譜構(gòu)建流程：
提到知識圖譜通常認為重點在于算法和開發(fā)，實際知識圖譜的構(gòu)建和傳統(tǒng)關(guān)系型數(shù)據(jù)庫的構(gòu)建情況一樣，重點在于具體業(yè)務(wù)流程的理解和本體的設(shè)計，知識圖譜的構(gòu)建過程的工作占比如下：
三. 風(fēng)控的本體構(gòu)建如前所述，構(gòu)建風(fēng)控領(lǐng)域知識圖譜的首要工作是構(gòu)建本體模型，即定義行業(yè)的通用概念為實體，以及實體之間的關(guān)系。 信貸最核心的主體就是貸款申請者，貸款申請者可能是個人也可能是公司，通過申請者的基本信息、行為信息、經(jīng)營狀況、社會關(guān)系等評估貸款的風(fēng)險。因此可以列舉信貸相關(guān)的核心實體為：人、企業(yè)、銀行賬戶、銀行、抵押物、申請事件、訴訟事件等，以及基本信息實體：電話、郵件、地址等。實體與實體之間的關(guān)系為 親屬、任職、所有權(quán)、事件參與方等。如圖所示為一個簡化版的信貸風(fēng)控本體模型。 為什么要將人和公司的電話地址設(shè)計為單獨的實體節(jié)點，是基于風(fēng)控的業(yè)務(wù)關(guān)注點，當(dāng)兩個貸款申請者有相同的電話或者地址時候，可能就是一個需要關(guān)注的風(fēng)險點。把這兩個信息作為單獨的節(jié)點，基于圖譜理論，當(dāng)統(tǒng)計“電話”類型節(jié)點的邊數(shù)量超過一個就能很方便找出高風(fēng)險申請者。 本體構(gòu)建完成后，需要對比實際業(yè)務(wù)對本體進行驗證，確保本體能夠正確描述當(dāng)前業(yè)務(wù)，并且包含了所有的業(yè)務(wù)流程。
四. 風(fēng)控的圖譜構(gòu)建知識圖譜的構(gòu)建是圖譜應(yīng)用的前提，構(gòu)建的主要工作是把數(shù)據(jù)從不同的數(shù)據(jù)源中按照本體模型所規(guī)定的規(guī)則抽取出來。對于垂直領(lǐng)域的知識圖譜來說，數(shù)據(jù)的主要來源是是業(yè)務(wù)本身的數(shù)據(jù)，其通常是機構(gòu)自己的私有數(shù)據(jù)以結(jié)構(gòu)化的形式存儲。通過ETL處理，將數(shù)據(jù)抽取轉(zhuǎn)換為圖譜數(shù)據(jù)。圖譜數(shù)據(jù)的存儲形式目前有兩種：基于RDF等存儲和圖數(shù)據(jù)庫存儲。兩者的比較如下所示：
RDF圖數(shù)據(jù)庫存儲三元組節(jié)點和關(guān)系擁有屬性符合W3C標(biāo)準(zhǔn)圖的遍歷和擴展方便有標(biāo)準(zhǔn)的推理引擎擁有事務(wù)管理數(shù)據(jù)可移植性高工程化程度高多用于學(xué)術(shù)場景可視化效果好。 在實際工程應(yīng)用中主要采用圖庫的方式對知識圖譜進行存儲，當(dāng)前比較流行的圖數(shù)據(jù)庫為Neo4j，本篇不再詳細介紹圖數(shù)據(jù)庫和Neo4j，重點在于如何根據(jù)本體將數(shù)據(jù)映射成為Neo4j要求的數(shù)據(jù)格式。Neo4j提供了多種加載數(shù)據(jù)的方式，對于小規(guī)模數(shù)據(jù)（1w – 10w條數(shù)據(jù)），可以采用加載CSV的方式進行，CSV的格式要求如Neo4j官網(wǎng)的操作手冊所示。 假設(shè)數(shù)據(jù)源是關(guān)系型數(shù)據(jù)庫，其中中有三張表及其字段如下所示，company表中字段“l(fā)egal_person（法人代表）”和“manager（經(jīng)理）”是外鍵關(guān)聯(lián)到person表：
我們要從源數(shù)據(jù)中抽取出多個實體和多條關(guān)系，這里部分舉例如下： 實體：
關(guān)系：
根據(jù)Neo4j的要求將源數(shù)據(jù)進行ETL處理，映射成為Neo4j要求的CSV格式文件，簡單列舉如下: person節(jié)點：
法人關(guān)系：
五. 圖譜的應(yīng)用當(dāng)前，小微貸款和個人小額貸款還處于“蠻荒時代”，甚至出現(xiàn)了各種中介機構(gòu)通過各種偽造的虛假信息幫助客戶申請貸款。所以對于放貸方而言，借貸風(fēng)險控制面臨非常巨大的挑戰(zhàn)。 1. 貸款申請方畫像可以在圖譜中直接搜索某個具體的人名字或者公司名字，獲取該人或者公司的基礎(chǔ)信息畫像，如電話，地址，關(guān)聯(lián)方的信息。如圖所示：
2. 關(guān)聯(lián)方探查通過圖譜可以調(diào)查某個人或者某家申請貸款公司的關(guān)聯(lián)方信息。在貸款審核期間，申請貸款主體的關(guān)聯(lián)方信息中有借貸糾紛的訴訟事件，擔(dān)保方過多等可關(guān)注的風(fēng)險點。在貸款發(fā)放后，有時出現(xiàn)貸款方失聯(lián)的情況，無法通過申請貸款時提交的信息聯(lián)系到借款方，可以通探尋更“深遠”的關(guān)聯(lián)方找到失聯(lián)的貸款方。
3. 反欺詐調(diào)查在實際場景中，有不少人利用各種渠道而來身份證進行貸款申請。還有公司通過循環(huán)轉(zhuǎn)賬等方式提供虛假的經(jīng)營流水信息。通過知識圖譜可以識別以上風(fēng)險點。如多個貸款申請人提供的身份證號嗎不同，但是卻有相同的聯(lián)系電話號嗎或者聯(lián)系地址。銀行作為借貸機構(gòu)，可以調(diào)查申請人賬戶資金往來情況，識別是否存在循環(huán)轉(zhuǎn)賬等異常資金往來信息識別風(fēng)險點。 在圖譜中，通過條件搜索指定的節(jié)點可以篩選調(diào)查風(fēng)險節(jié)點，如：“電話號碼”節(jié)點的關(guān)聯(lián)方大于1的節(jié)點。
4. 風(fēng)險指標(biāo)報告在風(fēng)控處理中，貸款風(fēng)險比率是衡量商業(yè)銀行風(fēng)險最重要的指標(biāo)之一，主要包括不良貸款比率、貸款加權(quán)風(fēng)險度、貸款分散化比率、不良貸款撥備覆蓋率等。將知識圖譜中貸款人節(jié)點和相關(guān)指標(biāo)相結(jié)合，設(shè)定報警閾值，通過機器學(xué)習(xí)等技術(shù)，找到隱蔽的風(fēng)險結(jié)構(gòu)，指標(biāo)特征，能夠快速找出相關(guān)責(zé)任方和其關(guān)聯(lián)方，形成報告供業(yè)務(wù)人員進行調(diào)。 總結(jié)本文主要介紹了知識圖譜在風(fēng)控中的應(yīng)用和風(fēng)控領(lǐng)域知識圖譜的構(gòu)建方法。知識圖譜的構(gòu)建前提是清晰的業(yè)務(wù)場景和良好的數(shù)據(jù)治理。很多著名的知識圖譜構(gòu)建案例中，大部分時間都是用在數(shù)據(jù)治理和數(shù)據(jù)映射上。借用一句別處看來的話：
作者：Eric ，數(shù)據(jù)產(chǎn)品經(jīng)理。金融大數(shù)據(jù)方向，知識圖譜工程化。 本文由 @Eric_Xie 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。 題圖來自 Pixabay，基于 CC0 協(xié)議 |
|
|
